一种高速公路异常事件类型识别与位置估计方法

本发明属于智能交通领域，公开了一种高速公路异常事件类型识别与位置估计方法，采用BERT和LSTM模型结合的方法，能够准确识别不同类型的交通异常事件，提升事件类型识别的准确性。其次，利用CNN‑GRU模型和K‑Means聚类算法，能够精确预测车辆行程时间和延误时间，从而精确估计交通拥堵的初发位置。通过综合考虑地形因素和交通流特征，全面分析不同事件类型对交通流的影响，提高模型的适用性和可靠性。此外，通过实时数据分析和动态调整，增强了模型对突发大车流等复杂交通情境的适应。综上，本发明能够使高速公路隧道内交通的安全和效率方面都获得提高。